[发明专利]一种逆推式垃圾焚烧机械炉排给料器的自动控制方法

权利要求书

1.一种逆推式垃圾焚烧机械炉排给料器的自动控制方法，其特征在于：该方法包括以下步骤：

S1：获取半年以上的历史数据，包括一次风频率、一次风量、二次风频率、二次风量、引风机频率、一次风压力、风室风门开度、炉排下风室压力、蒸汽流量和炉膛温度数据，其中一二次风及风室压力数据为垃圾料位表征的直接相关数据，受此类参数影响较大，蒸汽流量计炉膛温度数据则作为工况情况的判断，基于此对数据进行分类划分；

S2：将历史数据进行分筛，采用K-means聚类算法，自动去掉启停炉、设备故障及测点维修过程的异常数据，获取建模所需的正常运行数据；其中，启停炉、设备故障及测点维修过程的数据为异常数据；

S3：依据工艺原理，选取影响风压变化的变量作为建模特征变量；

S4：应用DNN深度学习算法，根据选取的特征变量及历史数据，进行风压模型训练，获得风压模型；其中，DNN算法的配置为：

输入数据为：一次风频率、一次风量、二次风频率、二次风量、引风机频率、一次风压力、风室风门开度；

输出数据：垃圾料位数据；

模型层数为：5层，每层为100个神经元；

激活函数为：RELU函数；

loss损失函数为：均方误差损失函数；

训练过程采用：SGD随机梯度下降法进行；

训练次数依据数据规模进行调整，若模型精度不足，则增加训练数据及训练进行训练；

S5：将风压模型接入实时特征数据，获取实时风压理论输出结果，并与实际风压值进行比较，依据偏差大小，判断炉内垃圾料位情况，得到垃圾料位的间接表征量。

2.根据权利要求1所述的一种逆推式垃圾焚烧机械炉排给料器的自动控制方法，其特征在于：所述S1中，选取半年以上历史运行数据，通过无监督聚类学习方法剔除异常工况，得到不同正常工况数据，并依据工艺原理选取一次风频率反馈、一次风量、一次风进出口风压、二次风频率、二次风量、引风机频率及各段风门开度参数作为模型输入特征，应用DNN深度学习算法建立风压模型；

建模完成后将模型接入分散控制系统DCS，并接入特征变量，获取模型输出P_predict与实际料位P_real的偏差：即ΔP_err＝P_predict-P_real；

通过ΔP_err大小来判定当前入炉垃圾量的多少，进而对给料器进料速度及炉排周期进行动态调整，保证进料量的均匀性。

3.根据权利要求1所述的一种逆推式垃圾焚烧机械炉排给料器的自动控制方法，其特征在于：所述K-means聚类算法采用欧式距离进行计算，距离计算公式为：

其中X_i为第i个数据向量，C_j为各个聚类中心向量；K＝1…m为向量的维度。

4.根据权利要求1所述的一种逆推式垃圾焚烧机械炉排给料器的自动控制方法，其特征在于：在S5中，将风压数据模型理论值与实际风压测量值偏差接入给料器推料控制中，实时指导推料器进行推料控制；将风压模型与实际风压值偏差接入给料器推料控制中，实时指导上炉排进行炉排控制。

5.根据权利要求4所述的一种逆推式垃圾焚烧机械炉排给料器的自动控制方法，其特征在于：所述S5具体为：

通过ΔP_err大小来判定当前入炉垃圾量的多少，进而对给料器进料速度及炉排周期进行动态调整，保证进料量的均匀性；

当风压实际值高于模型值0.1Kpa，表征炉内干燥段垃圾含量多，减少进料，给料速度由2降至1；当风压实际值低于模型值0.1Kpa，表征炉内干燥段垃圾含量少，加大进料，给料速度由2升至4，料位抬升；

通过风压数据模型实时感知判断炉内垃圾料的情况，控制进料速度的增大或进料量的减小。